室内有害气体电子鼻无线检测系统研究

摘要

空气质量与人类生产生活息息相关，随着现代化生活水平的提高和室外空气污染的加剧，人们对于室内空气质量的要求越来越高。室内主要的有害气相污染源来自于厨房不完全燃烧产生的一氧化碳、长期密闭空调环境聚集的二氧化碳以及装潢材料散发出来的甲醛等。实时检测室内空气中的有害气体对于保护身体健康、改善生活质量、保障家居安全、降低净化设备功耗等具有重大意义。本文在国内外研究现状的基础上研发了一种室内有害气体电子鼻无线检测系统，将单片机、无线通信、多传感器信息融合技术相结合应用于室内有害气体检测，以满足人们对于空气质量在线、便携、可靠和多目标的检测要求。
　　以CO、CO2、HCHO为主敏感气体对MOS气体传感器进行合理选型和相关性分析，构建由7个气体传感器和1个温湿度传感器组成的传感器阵列，可同时对多种气体产生敏感响应，设计传感器阵列的信号调理电路，并集成于一块70×60mm小型化PCB板上。以CC2430无线单片机为核心控制器，通过CC2430无线模块与传感器阵列PCB相连构成有害气体无线传感器检测节点，负责数据采集、AD转换和信号传输，有效解决了样本训练过程中气室反应装置的气密性问题，增强了系统的安全性和便携性。通过CC2430无线模块与SPCE061A单片机相连构成管理器节点，进行信号传输、数据处理和功能控制，并设计了基于SPCE061A的LCD显示、按键、语音报警等人机接口。
　　合理配制气体训练样本使电子鼻更适用于普通室内低浓度有害气体的测量，搭建气体反应气室系统为建立最优的模式识别算法提供实验平台。基于MATLAB对训练样本的原始传感器阵列响应信号进行归一化、平滑去噪、基线校正、特征选择等数据预处理，采用PCA进行特征提取和降维。
　　电子鼻软件由基于MATLAB的最优模式识别算法程序和基于SPCE061A IDE的脱机模式气体检测程序两个部分组成。(1)对气体训练样本数据进行神经网络处理，试验结果表明:BP-ANN模型对于单一气体、混合气体的识别准确率分别达100％、87.5％;采用RBF-ANN对混合气体进行定量分析，结果表明散布常数为0.2时误差最小;运用提前终止法改进BP-ANN以避免网络的“过适配”问题，结果表明三种混合气体绝对值相对误差为1.77％，均方误差为2.9344ppm，均值绝对误差为1.3932ppm，效果优于RBF-ANN和改进前的BP-ANN;考虑到环境因素对于电子鼻识别结果的影响，采用神经网络的温度补偿方法进一步提高系统的精度，结果表明温度补偿后CO、CO2、HCHO的网络输出值与真实值的相关系数R2分别提高到0.9975、0.9971、0.9979。(2)采用MATCOM完成c文件与matlab*.m文件的编程接口，在SPCE061A单片机内完成最优双BP-ANN模型的软件编程，实现了脱机模式下实时定性定量检测室内有害气体。实验验证了所设计的室内有害气体电子鼻无线检测系统的可靠性，结果证明基于双BP-ANN的气体识别模型能够准确的测定单一或混合气体的成分和浓度。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 室内有害气体的检测方法

1．3 电子鼻概述及研究现状

1．3．1 电子鼻的工作原理

1．3．2 电子鼻技术的发展及应用

1．3．3 有害气体电子鼻技术研究现状

1．4 有害气体无线检测技术

1．5 模式识别算法概述

1．6 本课题的主要研究内容及章节安排

第二章 室内有害气体电子鼻无线检测系统结构设计

2．1 电子鼻无线检测系统整体结构设计

2．2 进气装置结构设计

2．3 电子鼻传感器阵列设计

2．3．1 传感器阵列工作原理及选型

2．3．2 传感器阵列结构优化

2．4 电子鼻无线传感器网络设计

2．5 本章小结

第三章 室内有害气体电子鼻无线检测系统软硬件设计

3．1 电子鼻传感器阵列检测电路设计

3．1．1 传感器阵列信号调理电路

3．1．2 电源模块电路

3．2 无线数据采集模块设计

3．2．1 CC2430无线单片机

3．2．2 无线发送端

3．2．3 无线接收端

3．3 控制器模块设计

3．3．1 基于SPCE061A的控制器模块

3．3．2 CC2430与SPCE061A的通信接口

3．3．3 SPLC501液晶显示器接口设计

3．3．4 按键设计

3．3．5 语音报警设计

3．4 本章小结

第四章 基于matlab的室内有害气体样本数据处理

4．1 样本训练实验准备及步骤

4．1．1 气体样本配制

4．1．2 气体样本反应气室组成

4．1．3 气体样本实验步骤

4．2 数据前处理

4．2．1 数据归一化处理

4．2．2 数据平滑

4．2．3 基线校正

4．3 特征选择与提取

4．4 主成分分析

4．4．1 主成分分析法的实现过程

4．4．2 主成分因子数对于识别率的影响

4．5 模式识别算法

4．5．1 BP神经网络

4．5．2 RBF神经网络

4．6 检测结果的评价标准

4．7 本章小结

第五章 室内有害气体电子鼻实验研究及分析

5．1 气体定性识别

5．1．1 基于PcA的气体定性识别

5．1．2 基于BP-ANN模型的定性识别

5．2 气体定量分析

5．2．1 基于BP-ANN模型的单一气体定量分析

5．2．2 基于RBF-ANN模型的混合气体定量分析

5．2．3 基于改进BP-ANN模型的混合气体定量分析

5．3 温度对气体传感器阵列敏感特性的影响

5．4 双BP神经网络模型软件设计

5．4．1 独立于matlab的C语言编程接口

5．4．2 双BP神经网络模型的C语言实现

5．5 室内有害气体电子鼻无线检测系统应用测试

5．6 本章小结

第六章 总结与展望

6．1 研究成果总结

6．2 展望

参考文献

致谢

在学期间发表的学术论文及其他科研成果